arXiv cs.CL· Sujith Subramanian, P N Bhargav Teja, Susen Sarkar, Rajasekhara Reddy Duvvuru Muni·· 6 天前AI 评分20
专利权利要求无监督分类的嵌入几何与聚类算法基准测试
Benchmarking Embedding Geometries and Clustering Algorithms for Unsupervised Patent Claim Classification
AI 导读
研究在 45,000 项美国专利上训练双曲与欧氏 VAE（96 次运行、6 个种子），双曲模型在 3,000 次查询的 top-10 结果中检索到真正跨类别现有技术的比例为 18.76%，比欧氏模型的 12.34% 高 52%。
正文 · AI 翻译
摘要：现有技术检索系统在结构上围绕分类代码组织，使得跨代码发现变得困难。本文探讨在专利文本上训练的无监督表示能否恢复受代码限制的搜索无法发现的相关联系，以及双曲空间是否有帮助。我们在 45,000 项美国专利上训练了一个双曲变分自编码器（VAE）和一个匹配的欧几里得 VAE（96 次运行，6 个随机种子）。双曲模型检索到真正跨类别现有技术的频率比欧几里得模型高 52%（在 3,000 次查询中，前 10 条结果占比 18.76% 对 12.34%）。这对所研究的检索问题而言是实际收益。双曲模型与官方分类的一致性较低（NMI 0.2392 对 0.3206），我们从几何角度解释：这两种度量捕捉的是不同目标，只有一种与现有技术检索需求相符。在一项涵盖 10 个技术领域（另有 50,000 项专利）的研究中，我们发现某领域的分类广度——所跨越的不同 CPC 子组数量——可预测方法性能（Pearson r=-0.642，p=0.045，N=10），而每个子组的专利数是更强的预测因子（r=0.715，p=0.020）。这为从业者提供了一个可检验的信号，以确定该方法在何处最有价值。我们以统计透明的方式报告所有发现，并发布完整的、包含 91 项测试的自动化实现。
| 学科： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.12997 [cs.AI] |
| （或 arXiv:2610.12997v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12997 由 DataCite 颁发 arXiv DOI（待注册） |
提交历史
来自：Susen Sarkar [查看电子邮件]
[v1]
2026 年 10 月 9 日星期五 05:02:37 UTC（2,168 KB）
来源：arXiv cs.CL · arxiv.org